Kuukausi: tammikuu 2020

Opit tietokantojen käsittelystä ja muokkaamisesta syventyivät, kun harjaannuimme uusien suodatus- ja yhdistelmätyökalujen käytössä. Hyödyllistä oli oppia, kuinka taulukko-ohjelmista tuodaan aineistoa käsiteltäväksi paikkatieto-ohjelmaan. Tämän myötä selveni todella se, millaista analysoitavaksi kelpaavan paikkatietoaineiston tulee olla. Kurssikerran tavoitteisiin kuului muun muassa tietokantojen muokkaus ja käsittely, uuden tiedon luominen ja liittäminen olemassaolevaan tietokantaan sekä monimuotoisempien teemakarttojen luonti.

Tutkimme Afrikan mantereella esiintyviä geopoliittisia ilmiöitä vapaasti saatavilla olevan tietokannan avulla. On tärkeä tiedostaa, että aineistoissa voi ilmetä inhimillisiä virheitä (näppäilyvirheet yms.), mikä tuli ilmi Djiboutin väkiluvun kohdalla. Päätin oman käden oikeudella muuttaa Djiboutin väkimäärää lisäämällä taulukon alkuperäisen luvun perään nollan. Tarkistin vuoden 2019 väkiluvun muutamastakin lähteestä. Myös Comorosin väkiluvusta oli jäänyt yksi numero merkitsemättä ja korjasin lähtöaineistoon tämänkin.

Hyödynsimme aineistoa internetin läpäisevyydestä (käyttäjämäärällä mitattuna), timanttikaivoksista, neljänkymmenen vuoden ajan ilmenneistä konflikteista ja öljykentistä. Konfliktien absoluuttisen lukumäärän suhteuttaminen aikaan oli opettavainen harjoite, joka tarjosi perspektiiviä yksittäisten konfliktien ajallisesta sijoittumisesta. Laadin pohjaksi koropleettikartan internetin läpäisevyydestä valtioittain ja lisäsin päälle vielä kaikki harjoituksessa käsitellyt aineistot (Kuva 1). Harjoituksen kannalta oli hyödyllistä kokeilla erityyppisten aineistojen samanaikaista esittämistä. Tätä kautta ymmärrys aineistojen tyypin vaikutuksesta sen esitettävyyteen syventyi. Lopputulos on kuitenkin melko sekava informaation tilkkutäkki, jonka trendejä on vaikea tulkita. Ilahduin onnistuessani laatimaan uniikeista konflikteista numeeriset merkinnät kunkin valtion kohdalle. Yritin vielä suodattaa nollat pois niin, että palluroita olisi ollut vähemmän, mutta tämä ei sujunut toivotulla tavalla.

Tarkemman tarkastelun kautta voi kartalta lukea muutamia mielenkiintoisia ilmiöitä. Konfliktien määrä näyttää olevan suhteellisen korkea niissä maissa, joissa internetin käyttöaste on pieni. Yhteys tuskin on kovin merkittävä, sillä konflikteja on tapahtunut myös korkean käyttöasteen maissa. Analyysia voitaisiin tarkentaa suhteuttamalla konfliktien määrä eri vuosina internetin läpäisevyyden ajalliseen kehittymiseen. Keski-Afrikassa sijaitsee runsaslukuisia timanttikaivoksia ja internetin käyttöaste jää tällä alueella pääasiassa alle 20 prosentin. Syitä näille yhteyksille on etsittävä alueen geopoliittisesta historiasta ja siirtomaasuhteista. Kartasta saisi vielä informatiivisemman, jos näitä ilmiöitä suhteuttaisi siihen, mikä valtio on toiminut kolonisoivana osapuolena ja minä ajankohtana timanttikaivokset on löydetty.

Ihmismaantieteellisten ilmiöiden tutkailu visuaalisesti geomedian keinoin on itseäni kiehtova osa-alue. Koin jälleen saavani tärkeitä työkaluja opettajuuden kannalta. Prosessit ovat kompleksisia ja harvoin on mahdollista selittää kahden yksittäisen muuttujan käyttäytymistä yksinkertaisella syy-seuraussuhteella. Timanttikaivostoiminta on kiistatta johtanut väkivaltaisiin yhteydenottoihin monissa Afrikan valtioissa ja käsite ”veritimantti” on asiaan perehtymättömällekin varmasti tuttu. Kaivostoiminnan vaikutukset paikallisiin yhteiskuntarakenteisiin ovat kuitenkin moniulotteiset. Kuten Kotsadam ym. (2017) ainutlaatuisessa tutkimuksessaan huomioivat, kaivostoiminnan ja naisiin kohdistuvan väkivallan yhteys riippuu paikallisen yhteisön kulttuurisesta kontekstista ja laajempien taloudellisten rakenteiden vakaudesta. Teemakarttoja tulkittaessa kriittinen lukukehys ja varovaisuus suorien johtopäätösten kanssa onkin oleellinen taito.

Itsenäistehtävän tarkoitus oli soveltaa edellä opittuja taitoja Suomen valuma-alueiden tulvaindeksin ja järvisyyden tarkasteluun. Ohjelmisto-osaamisen lisäksi nyt pääsi kertaamaan luonnonmaantieteellisiä käsitteitä. Yritin laskea järvisyyttä itse ”haastavan tehtävänannon” mukaan ja kiivaan taistelun jälkeen onnistuin ymmärtämään järvi.shp -tietokannassa esitettyä dataa ja yhdistämään siellä esitetyt järvien pinta-alat valuma-alueita esittävään tietokantaan. Varmistin tieteen termipankista, että järvisyys eli järviprosentti ilmaisee järvien pinta-alan osuutta vesistön valuma-alueen pinta-alasta. Näin järvisyyden sai selville yksinkertaisella laskutoimituksella. Tällä tavalla tuotettu aineisto on esitetty kuvan 3 kartassa. Täysin virheettä en tehtävästä suoriutunut, sillä nyt aineistosta löytyi Laatokan pinta-ala, joka loi haasteita järvisyyden vertailulle muualla Suomessa.

Lähinnä minua kiinnosti kokeilla tunnuslukujen itsenäistä laskemista, koska tehtäväohjeessa mainittiin valmiiksi annetun tietokannan arvojen olevan ”ehkä vähän mitä sattuu”. Itse laskemani pinta-alat ja eri tavalla ilmaistu tulvaindeksi tuottivatkin hieman erilaisen tuloksen kuin valmiista tietokannasta lasketut arvot. Erot näkyvät, kun vertailee kuvan 2 ja 3 esittämiä koropleettikarttoja.
Hienovaraisista eroista huolimatta haluttu ilmiö on tulkittavissa molemmista kartoista. Tulviminen on vähäisintä alueilla, jotka sisältävät eniten järviä ja vain lyhyitä jokia. Korkeimman tulvariskin alueet löytyvät luonnollisesti rannikkoalueilta aina Perämereltä Turun saaristoon ja Etelä-Suomeen. Myös Lapin Järvi-Suomea korkeampi tulvaindeksi erottuu erityisesti kuvan 3 kartassa luokkaerojen suuruusvälien takia. Monet kurssitoverit ovat ehtineet tehdä perusteellisia pohdintoja tulvimiseen vaikuttavista tekijöistä. Pohjanmaan korkea tulvaindeksiä selittää maanpinnan korkeusprofiilin alavuus yhdessä mereen virtaavien jokien kanssa. Järvien tehokkaan kyvyn säilöä vettä ja näin pienentää tulvimisriskiä ovat nostaneet esiin sekä Venla Moisio että Vilma Koljonen (2020.)

Kartoiltani pystyy melko hyvin tulkitsemaan tulvimisen maantieteellistä sijoittumista Suomessa sekä tulvaindeksin ja järvisyyden välistä negatiivista korrelaatiota. Kuvan 3 kartan visuaalisuuteen panostin enemmän ja vaikka jätin järvisyysprosentit siitä pois, esittää se tavoiteltua ilmiötä selkeästi. Kuvan 2 kartan laatuun vaikuttivat jo väsymys ja näyttöpäätteen aiheuttama sokeus. Minun olisi pitänyt palata muokkaamaan erityisesti legendaa. Tältä kartalta jätin järvet elementtinä pois, koska ne mielestäni toivat karttaan ahtautta ja järvisyyttä ilmaisevat pylväät tuovat tiedon esiin. Päätän tekstini Laura Hynysen (2020) mainioon oivallukseen maantieteilijän subjektiivisuudesta ja valintojensa perustelun tärkeydestä. Lopulliset karttani kaipaisivat vielä visuaalisuutensa puolesta hiomista, mutta ainakin seison tietoa esittävien valintojeni takana ja osaan ne tieteellisestä näkökulmasta perustella.

Lähteet

Hynynen, L. (2020). Lisää elementtejä analyysiin. Blogikirjoitus. 30.1.2020. <https://blogs.helsinki.fi/lauravel/2020/01/29/lisaa-elementteja-analyysiin/>

Koljonen, V. (2020). Tietokannoista käyttökelpoisia. Blogikirjoitus. 30.1.2020. <https://blogs.helsinki.fi/vilmakol/2020/01/29/tietokannoista-kayttokelpoisia/>

Kotsadam, A., Østby, G. & Rustad, S. A. (2017). Structural change and wife abuse: A disaggregated study of mineral mining and domestic violence in sub-Saharan Africa, 1999-2013. Political Geography 65, 53-65.

Moisio, V. (2020). Viikko 3 – Tietokantojen yhdistämistä ja laskutoimitusten tekemistä. Blogikirjoitus. 30.1.2020. <https://blogs.helsinki.fi/moivenla/2020/01/29/viikko-3-tietokantojen-yhdistamista-ja-laskutoimitusten-tekemista/>

Yskähdellen käynnistynyt viikko 2 ja päänsärkyä voimistava GIS-kurssisalin ilma ei luvannut järin hyvää tälle toiselle kurssikerralle. Sivupoluille menee, mutta todettakoon tähän väliin, että kuluvan periodin maanantait ovat työkuvioiden ja muiden kurssiaikataulujen pakosta muodostuneet melkoisiksi maantieteen maratoneiksi. Olen vangittuna Physicumin käytäville ja saleihin kymmeneksi tunniksi kolmen eri kurssin kahleissa. Ammatillinen kehitys on minulle tärkeää ja haluan opettajana inspiroida oppilaitani myös tämän toisen opetettavan aineeni parissa. Täytyy kuitenkin myöntää, että tällaisina hetkinä vilpittömän motivaation löytäminen ei onnistu ilman merkittävää kortisolitason nousua. Noniin, ja asian äärelle!

Tutustuimme paikkatietoaineistojen palveluntuottajien monimuotoiseen maailmaan ja QGIS-ohjelman perusominaisuudet tulivat yhä tutummiksi kertauksen kautta. Valintatyökalujen kirjo tarjosi monenlaisia mahdollisuuksia ja tuntui hyödylliseltä tutustua erilaisiin aineiston suodatustapoihin (Kuva 1). Hyödyllisiksi nämä taidot osoittautuivatkin, kun ahersin Natura-alueiden suhteellisten pinta-alojen parissa, mistä lisää myöhemmin. Palvelimelta haetut tietokannat eivät sellaisenaan olleet muokattavissa, sillä ne ovat automaattisesti kirjoitussuojattu. Tietokanta täytyy siis tallentaa uutena layerinä, jotta ominaisuudet tulevat muokattaviksi. Tietokantojen hierarkiassa ja käytössä on työtapojen suhteen paljon samaa kuin biologisen tutkimuksen tietokantojen käytössä esimerkiksi R-ohjelmalla. Tarkoitan lähinnä sitä, että layereiden, projektien ja tietokantojen määrän kasvaessa on tärkeää olla perillä tiedostopolkujen keskinäisistä suhteista ja pysyä tarkkana nimeämiskäytännöissään.

Kartografisista valinnoista johtuvien vääristymien ja yleistyksien käytännön ymmärtäminen ovat maantieteellisen ajattelun kehittymisen kannalta keskeisiä. Siksi tällä kurssikerralla suoritetut eri projektioiden aiheuttamien vääristymien havainnollistaminen tuntui mielekkäältä oppimisen näkökulmasta. Käytännössä turhautumista kuitenkin aiheutti monet yritykset luoda laskukaavoja, kunnes tajusin operoineeni väärillä mittayksilöillä. Lisäksi projektiotyyppejä oli ohjelmassa listattuna sellainen määrä, että niiden läpikäyminen tuntui kehnolta ajankäytöltä.

Onnistuin lopulta luomaan visuaalisesti mielestäni onnistuneen kartan, joka havainnollistaa Suomessa yleisesti käytetyn TM35- ja tunnetusti napa-alueiden pinta-aloja vääristävän Mercatorin projektioiden eroja pinta-alaan (Kuva 2). Muokkasin väriskaalaa tarkoituksella, jotta vääristymän suuruusluokat eivät jättäisi ketään epäilyksen varaan. Valitsemani väriskaalat tuovat myös mukavasti esiin pohjois-etelä -suunnassa tapahtuvan vyöhykkeisyyden alojen vääristymässä. Jälkeenpäin ajateltuna minun olisi ollut hyvä valita itse tulosteenkin projektioksi Mercator, jotta erot näkyisivät värien lisäksi aloissa. Näin on tehnyt esimerkiksi Siiri Nyman (2020) ja valinta on mielestäni hyvin perusteltu.  Kuten Iida Kokkinenkin (2020) blogissaan oivaltavasti toteaa, TM35-projektio pyrkii minimoimaan projisoinnissa aiheutuvat virheet laaja-alaisesti (kulmat, pituudet ja pinta-alat) ja Mercator taas on häpeilemättömän oikeakulmainen.

Lopuksi minua kiinnosti tutkia tarjotun aineiston perusteella Suomessa sijaitsevien Natura-alueiden absoluuttisia kokoja suhteessa kunnan kokonaispinta-alaan. Kuntia, joissa Natura-alueen osuus oli suuri (esimerkiksi yli 80%), on vain neljä. Olisin halunnut korostaa näitä kuntia nimeämällä ne kartalle erikseen. Onnistuin label-komennon avulla tämän tekemään ja vielä suodattamaankin haluttujen kuntien nimet. Törmäsin seinään aineiston koodauksen kanssa, sillä erikoiskirjaimet eivät näkyneet toivotulla tavalla. (Kuva 3.) Minulle oli jäänyt hämärä muistikuva maanantain kurssikerralta, että Arttu oli näyttänyt ratkaisun tähän, mutta juuri tuolloin olin tietysti keskittynyt näpertämään laskukaavojeni kanssa. Pikainen Google-tiedustelukaan ei auttanut asiaa, vaikka pääsin jyvälle aineiston koodauksen logiikassa. Päätin, että lopputulos ei tässäkään ole käytettyjen tuntien arvoinen, jos päädyn viettämään liikaa aikaa vinkkipalstojen syövereissä.

Suhteutin siis kunnissa sijaitsevien Natura-alueiden pinta-alat kunnan kokonaispinta-alaan sekä TM35- että Mercatorin projektiossa. Kuuden kunnan osalta pinta-alaa koskeva aineisto puuttui, joten suodatin ne karttatulosteeseeni harmaalla värillä. Tämän onnistumisesta olin erityisen ylpeä, sillä toiminto vaati ensimmäisellä kerralla opittuja taitoja ja ne eivät olleetkaan vielä unohtuneet. Kartoista (Kuvat 4 & 5) käy selkeästi ilmi ylimalkaisesti vääristävän projektion vaikutukset kuvattavaan muuttujaan. Jos lukisimme pelkästään kuvan 5 mukaista Mercatorin pohjalta luotua karttaa, saisimme Natura-alueista mielleyhtymän, joka ei vastaa todellisuutta laisinkaan. Mercatorin pinta-aloja suurentava vaikutus vähättelee Natura-alueiden suhteellisia kokoja anteeksiantamattoman paljon. Pohjois-Lapin kuntien Natura-alueet kattavat valtaosan koko kunnan pinta-alasta, mutta Mercatorin pohjalta luotu kartta antaa käsityksen, että näin ei ole. Tämä havainto on tietenkin linjassa kuvassa 2 esitetyn vääristymän kasvun kanssa.

 

Kartat ovat yksittäin tarkasteltuna varsin onnistuneita ja esittävät haluttua tietoja ja muuttujien suhteita tarkasti. Yhdessä esitettynä ne jättävät kuitenkin tulkitsijalle melkoisesti vastuuta, sillä yhteneväinen väriskaala ja -intensiteetti hämäävät herkästi siitä, että prosenteissa on valtava suuruusero. En itsenäisesti löytänyt tähän toimivaa ratkaisua, joten ehkä vastaavia ongelmia esitystavoissa käsitellään myöhemmin. Tajusin jälleen vasta blogitekstiä viimeistellessäni, että karttojen fontit ja legendat tulisi esittää suurempina yleisen luettavuuden helpottamiseksi. Ehkäpä ensi viikolla tämä oppi on iskostunut päähäni onnistuneesti.

Lähteet

Kokkinen, I. (2020.) Toinen tapaaminen arvon QGISin kanssa. Blogikirjoitus. 24.1.2020. <https://blogs.helsinki.fi/iixkokki/2020/01/24/toinen-tapaaminen-arvon-qgisin-kanssa/>

Nyman, S. (2020.) Toinen kurssikerta. Blogikirjoitus. 24.1.2020. <https://blogs.helsinki.fi/nymsiiri/2020/01/21/toinen-kurssikerta/>

Ensimmäinen kurssikerta toimi johdatuksena ja osittain kertauksena paikkatiedon eri muotoihin ja tapoihin analysoida ja käsitellä paikkatietoa. Käytännön työn osalta jouduin oppimaan paljonkin uutta ja teknistä asiaa, sillä QGIS-ohjelma ei ollut minulle entuudestaan tuttu. Tutustuimme eri paikkatietokantojen eroihin ja yleisimpiin tapoihin esittää paikkatietoa.

Kurssin menetelmät ovat hyödyllisiä, sillä koen tärkeäksi ja mielekkääksi tuntea niitä tapoja, joilla paikkatietoa voidaan manipuloida. Geomedian kriittinen lukutaito on olennainen osa henkilökohtaista ammatillista oppimista tulevana aineenopettajana. Erilaisia infografiikoita ja karttamaisia visualisointeja tulee vastaan nykyään lukemattomissa lähteissä sanomalehdistä virallisiin valtiollisiin julkaisuihin. Tunnistaakseen grafiikan laadinnassa käytettyjä motiiveja ja vääristymiä on tunnettava grafiikan laadintaan käytettyjä menetelmiä. Informaation kriittistä tulkintaa myös edesauttaa se, että ymmärtää, mitä muita esitystapoja olisi mahdollista käyttää.

Ohjelman teknisen puolen tullessa vähitellen tutuksi saimme tehtäväksi laatia teemakarttoja Suomen kuntien avainlukuaineistosta, joka oli Tilastokeskukselta ladattua dataa vuodelta 2015. Avainlukuja on tarjolla runsas valikoima ja oli haasteellista navigoida niiden läpi ja päättää oma mielenkiintonsa kohde.

Olen aina ollut kiinnostunut maiden ja kuntien välisistä ikärakenteiden eroista. Ryhdyin tutkimaan mahdollisuuksia tuottaa teemakarttoja pohjautuen tähän teemaan. Tilastokeskus on jaotellut kuntien väkilukuja monipuolisesti eri ikäryhmien mukaan ja vaihtoehtojen runsaus tuottikin haasteita laatia laadukkaita karttoja. Luettavuuden nimissä yhdelle kartalle on valittava vain yksi aineisto kerrallaan. Vertailukelpoisten karttojen täytyisi siis olla esitettynä vierekkäin niin, että kukin kartta sisältää koropleettisesti visualisoitua tietoa ikäryhmien osuuksista kuntien väkiluvuista. Kokeilin muutamia tapoja, mutta hetken rämmittyäni aineistorunsauden suossa päätin, ettei lopputuotoksen arvo vastaa siihen käytettyä aikaa (Kuva 1). Myöhemmin selaillessani muiden kurssilaisten blogitekstejä huomasin, että Carita Aapro-Koski (2020) oli toteuttanut oman teemakarttansa sukupuolten osuuksista eri kunnissa juuri tällaiseen vertailevaan tyyliin. Lopputulos on tyylikäs ja informatiivinen, joten ehkä itsekin tulevissa harjoituksissa harkitsen vastaavaa toteutustapaa.

Yksinkertaisuus on kaunista ja päätin harjoittelun nimissä laatia teemakartan, jossa havainnollistetaan yhtä selkeää muuttujaa. Suomen tapauksessa kuntien väliset muuttoliikkeet ovat myös mielestäni kiehtova ilmiö ja arvelin, että maakuntien väestökatoa suhteessa kaupunkikeskusten vetovoimaan olisi mielekästä visualisoida.

Visuaalisesti lopullinen kartta (Kuva 2) onnistuu esittämään ilmiön halutulla tavalla. Punainen väriskaala toimii, sillä selkeät vetovoimaiset ytimet erottuvat kartalta merkittävällä tavalla. Lisäksi kartalta pystyy helposti tulkitsemaan Suomen suuret, alueelliset erot ja muuttotappiota kokevien kuntien suhteettoman suuren määrän koko muuhun maahan nähden. Kartta-aluetta olisi voinut myös suurentaa, sillä nyt pienimmät kunnat Etelä-Suomessa eivät oikein tahdo erottua. Tämän tajusin vasta liittäessäni kuvan tähän blogitekstiin. Luokkarajoja muokkasin hieman niin, että muuttotappiota kokevat kunnat ovat kokonaan omana, alimpana luokkanaan, jotta ne erottuisivat. Silti luokkien lukumäärät ovat sellaisenaan sekavat ja vaikeuttavat luettavuutta. Saman havainnon oli tehnyt Paavo Kettunen blogissaan (Kettunen 2020). Tasaluvut olisivat tehneet kartan sisältämästä informaatiosta tosiaan selkeämmän.

Lähteet

Aapro-Koski, C. (2020). Ensikosketus QGIS-ohjelmaan. Blogikirjoitus. 19.1.2020. <https://blogs.helsinki.fi/aacarita/2020/01/18/geoinformatiikan-menetelmat-1/>

Kettunen, P. (2020). Kurssikerta 1. Blogikirjoitus. 16.1.2020. <https://blogs.helsinki.fi/paavoket/2020/01/14/moikka-maailma/>